Publication Search

Diabetes Mellitus merupakan salah satu penyakit kronis yang jumlah penderitanya terus bertambah setiap tahunnya, termasuk di wilayah Puskesmas Brebes. Banyaknya pasien dengan kondisi klinis yang beragam mendorong perlunya suatu metode untuk mengelompokkan pasien berdasarkan tingkat keparahannya. Penelitian ini bertujuan untuk menerapkan algoritma K-Means dalam proses pengelompokan pasien Diabetes Mellitus dengan menggunakan beberapa parameter klinis, yaitu Gula Darah Puasa (GDP), kadar HbA1c, Kolesterol Total (CHOL), serta tekanan darah sistolik dan diastolik. Pendekatan yang digunakan dalam penelitian ini adalah deskriptif kuantitatif dengan metode data mining berbasis algoritma K-Means. Data yang digunakan diperoleh dari rekam medis Puskesmas Brebes. Proses klasterisasi menghasilkan tiga kelompok, yaitu kategori risiko rendah, sedang, dan tinggi. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu melakukan pengelompokan data pasien secara akurat sesuai tingkat keparahan. Hasil tersebut kemudian divisualisasikan melalui sistem berbasis web yang bertujuan untuk mempermudah pihak puskesmas dalam menganalisis kondisi pasien serta mendukung pengambilan keputusan medis yang lebih efektif.

Indonesia merupakan negara dengan beberapa kota di setiap provinsinya, namun tentunya setiap kota mempunyai tingkat inflasi yang berbeda setiap tahunnya. Dengan banyaknya data inflasi di Indonesia, sulit bagi pemerintah untuk mengkategorikan angka inflasi. Penulis berinisiatif melakukan penelitian tentang mengelompokkan nilai inflasi pengeluaran di jawa barat. Tujuan membuat laporan ini merupakan untuk memperoleh informasi dengan kualitas terbaik dari data yang diproses. Proses ini di harapkan dapat membantu pemerintah dalam mengetahui nilai inflasi berdasarkan kelompok pengeluaran tertinggi dan terendah di Jawa Barat. Metode yang digunakan adalah metode k-means clustering. Penelitian ini juga di dukung menggunakan salah satu perangkat lunak atau tools untuk mengolah data mining yaitu RapidMiner. Didapat hasil cluster terbaik yaitu 5 cluster berdasarkan nilai DBi 0,063. Dimana yang termasuk ke dalam cluster tersebut adalah cluster 0, cluster 2, dan cluster 4 dengan tingkat inflasi rendah berjumlah 5 Kabupaten/Kota. Dan yang termasuk ke dalam tingkat inflasi tinggi adalah cluster 1 dan cluster 3 berjumlah 2 Kabupaten/Kota. Hasil dari data ini juga menunjukkan nilai akurasi sebesar 100%, sehingga bisa disimpulkan jika algoritma k-means mempunyai nilai akurasi tinggi.